基于CT扫描的多机构放射学,用于预测晚期和有限非小细胞肺癌患者的瘤PD-L1表达

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 免疫检查点抑制剂 (ICI) 已经改变了高级非小细胞肺癌 (NSCLC) 治疗.
• 然而,70%的患者经历疾病进展,需要预测生物标志物.
• 编程死亡连接体1 (PD-L1) 表达是一种关键的生物标志物,但其评估是侵入性的.

研究的目的:

• 使用计算机断层扫描 (CT) 成像开发PD-L1表达 (rad-PDL1) 的非侵入性放射性替代物.
• 将rad-PDL1的预测值与传统的病理学评估进行比较.
• 评估rad-PDL1在先进阶段和有限阶段NSCLC中的通用性.

主要方法:

• 来自预处理CT扫描的放射特征使用基于变压器模型的管道进行分析.
• 算法将瘤分类为高与低的PD-L1表达.
• 在482名晚期NSCLC患者和51名有限期NSCLC患者的独立队列中进行了验证.

主要成果:

• 放射学管道在初级和独立验证中表现出强大的预测性能,AUC分别为0.75和0.68.
• 精度为0.73和0.69,表明在疾病阶段具有良好的概括性.
• 较高的rad-PDL1表达与较长的无进展生存时间相关.

结论:

• 基于CT的PD-L1表达的放射性替代物是可行的.
• 该方法显示了对独立的新辅助体队伍的部分概括.
• 在临床实施之前,需要进行更大的前性,多站点验证.